Penerapan K-Means Clustering Untuk Menentukan Peminatan Barang Pada Jayyid Shop

Penulis

  • Fikri Dermawan Universitas Budi Luhur
  • Gunawan Pria Utama Universitas Budi Luhur

Kata Kunci:

data mining, k-means, clustering, peminatan, barang

Abstrak

Dalam dunia bisnis yang kompetitif perlu meningkatkan strategi penjualan barang dan meningkatkan manajemen penyimpanan yang akurat. Jayyid Shop selama ini masih kesulitan untuk menentukan barang yang sangat diminati, diminati, dan kurang diminati oleh pembeli. Akibat dari belum dapatnya menentukan peminatan barang mengakibatkan seringnya kehabisan barang yang sangat diminati dan menumpuknya barang yang kurang diminati. Serta kurang akuratnya strategi penjualan selama ini. Jayyid Shop sendiri terletak di daerah depok, toko ini merupakan sebuah toko retail yang menjual berbagai jenis barang seperti kartu perdana, sparepart handphone, dan aksesoris handphone. Terdapat 221 tipe barang, data penjualan januari dengan total 7903 data,  data penjualan februari dengan total 6696 data, dan data penjualan maret dengan total 7259 data. Tujuan penelitian ini agar membantu manajemen Jayyid Shop dalam menentukan barang yang sangat diminati, diminati, dan kurang diminati berdasarkan data laporan penjualan barang selama 3 bulan. Menggunakan data  mining dengan algoritma k-means clustering. Dengan adanya clustering data dapat membantu Jayyid Shop untuk membuat pengelompokan data penjualannya agar dapat menentukan permintaan barang. Dalam menentukan peminatan barang menggunakan field nama barang, stok, dan laporan penjualan barang selama 3 bulan, kemudian data akan diproses dengan algoritma k-means clustering. Hasil akhir dengan 221 tipe barang didapatkan hasil akhir dengan 3 cluster yaitu, cluster 1 (C1) dengan 68 barang kurang diminati, cluster 2 (C2) dengan 69 barang diminati, dan cluster 3 (C3) dengan 84 barang sangat diminati. Evaluasi cluster menggunakan perhitungan Davies Bouldin Index (DBI) menghasilkan 1,94. Jika nilai Davies Bouldin Index (DBI)  mendekati 0,  hasil cluster yang diperoleh akan semakin bagus dan menunjukkan bahwa hasil cluster yang diperoleh  relatif sangat baik.

Referensi

Normah, S. Nurajizah, dan A. Salbinda, “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Fashion Hijab Banten,” J. Tek. Komput. AMIK BSI, vol. 7, hal. 158–163, 2021, doi: 10.31294/jtk.v7i2.10553.

M. S. Nawawi, F. Sembiring, dan A. Erfina, “Implementasi Algoritma K-Means Clustering Menggunakan Orange Untuk Penentuan Produk Busana Muslim Terlaris,” Semin. Nas. Teknol. Inf. dan Komun., hal. 789-797, 2021, [Daring].Tersediapada:http://prosiding.unipma.ac.id/index.php/SENATIK/article/view/1837.

F. Nurdiyansyah dan I. Akbar, “Implementasi Algoritma K-Means untuk Menentukan Persediaan Barang pada Poultry Shop,” J. Teknol. dan Manaj. Inform., vol. 7, no. 2, hal. 86–94, Des 2021, doi: 10.26905/jtmi.v7i2.6377.

Erliyana, O. Nurdiawan, N. R, A. I. Purnamasari, dan I. Ali, “Analisa Penjualan Mobil Dengan Menggunakan Algoritma K-Means Di PT. Mulya Putra Kencana,” J. DATA Sci. Inform., vol. 1, hal. 32–35, 2021, [Daring]. Tersedia pada: http://publikasi.bigdatascience.id/index.php/jdsi/article/view/12.

I. Nawangsih, R. Puspita, dan Suherman, “Implementasi Algoritma K-Means Dalam Mengkategorikan Produk Terlaris Dan Kurang Laris Pada Toko Alfamart Cikarang,” Pelita Teknol., vol. 16, no. 1, hal. 79–87,2021, [Daring]. Tersedia pada: https://jurnal.pelitabangsa.ac.id/index.php/pelitatekno/article/view/674.

S. P. Tamba, F. T. Kesuma, dan Feryanto, “Penerapan Data Mining Untuk Menentukan Penjualan Sparepart Toyota Dengan Metode K-Means Clustering,” J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 2, no. 2, hal. 67–72, 2019, doi: 10.34012/jusikom.v2i2.376.

Susliansyah, H. Sumarno, H. Priyono, dan N. Hikmah, “Pengelompokkan Data Pembelian Tinta Dengan Menggunakan Metode K-Means,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 3, no. 2, hal. 381–392, 2019, doi: 10.30645/j-sakti.v3i2.156.

T. Kurniawan dan M. Jajuli, “Clustering Data Kecelakaan Lalu Lintas di Kecamatan Cileungsi Menggunakan Metode K-Means,” Gener. J., vol. 6, no. 1, hal. 1–12, 2022, doi: 10.29407/gj.v6i1.16103.

R. Rustam, S. Rahmatullah, S. Supriyato, dan S. Wahyuni, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Triplek Pada Pt Puncak Menara Hijau Mas,” J. Inf. dan Komput., vol. 8, no. 2, hal. 74–84, 2020, doi: 10.35959/jik.v8i2.186.

L. Maulida, “Penerapan Datamining Dalam Mengelompokkan Kunjungan Wisatawan Ke Objek Wisata Unggulan Di Prov. Dki Jakarta Dengan K-Means,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 2, no. 3, hal. 167–174, 2018, doi: 10.14421/jiska.2018.23-06.

I. R. Mahartika dan A. Wibowo, “Data Mining Klasterisasi dengan Algoritme K-Means untuk Pengelompokkan Provinsi Berdasarkan Konsumsi Bahan Bakar Minyak Nasional,” Pros. Semin. Nas. SISFOTEK (Sistem Inf. dan Teknol., vol. 3, no. 1, hal. 87–91, 2019, [Daring]. Tersedia pada: https://seminar.iaii.or.id/index.php/SISFOTEK/article/view/108.

Unduhan

Diterbitkan

30-09-2022

Cara Mengutip

Dermawan, F., & Utama, G. P. (2022). Penerapan K-Means Clustering Untuk Menentukan Peminatan Barang Pada Jayyid Shop. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 1(1), 428–437. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/52

Terbitan

Vol 1 No 1 (2022): Prosiding SENAFTI (Buku 2 - Artificial Intelligence) September 2022

Bagian

Artificial Intelligence

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>